CN107392869B - 一种基于边缘保持滤波器的人脸图像滤波方法 - Google Patents

Abstract

本发明公开了一种基于边缘保持滤波器的人脸滤波算法，首先获取待滤波的人脸图像；接着将获取到的人脸图像进行压缩，减少计算量；然后将RGB颜色空间的人脸图像转换到Lab颜色空间；再对得到的Lab颜色空间的人脸图像按照本发明提出的滤波算法进行滤波处理；而后将处理后的Lab颜色空间的人脸图像转换到RGB颜色空间；最后将图像进行放大并输出处理后的人脸图像。本发明能够不仅能满足人脸图像滤波较高的滤波要求，又有能效地保持图像的边缘信息，同时算法复杂度较低，计算效率较高，更加具有实用性，对后续提取人脸图像中的有用信息有着积极的意义。

Description

一种基于边缘保持滤波器的人脸图像滤波方法

技术领域

本发明属于图像处理技术领域，具体涉及一种基于边缘保持滤波器的人脸图像滤波方法。

背景技术

数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。早期的图像处理的目的是改善图像的质量，以获得图像中的大量信息。图像处理的常用方法有图像增强、复原、编码、压缩等。

近年来，随着图像处理技术的不断发展，其应用范围也越来越广，深入到人们生活的方方面面，如人脸图像处理技术就是其中重要的一部分。人脸图像处理技术能够显著提高图像质量，不仅能够应用到各种美图应用软件，在人脸识别、人脸跟踪等技术中有着重要的应用价值。分析人脸部图像特征可以发现，人脸图像中含有大量的细节信息如眼睛、鼻子的轮廓、发际线的纹理，同时又含有大量的待去除的“噪声”，如脸部的斑点等无关内容。在对人脸图像进行处理时，既要保证良好的滤波效果，又要能够保留住脸部器官的边缘、轮廓等重要信息，可见人脸滤波算法是一项非常具有挑战的工作。

目前，人脸图像滤波处理有很多方法，其中空间域平滑是数字图像处理中较为常用且有效的方法。经过几十年的发展，空域滤波出现了很多比较成熟的算法，如均值滤波、中值滤波、维纳滤波。但是在本质上，空域滤波算法都属于低通滤波，由于低通滤波后的图像丢失了一些有用的高频信息，致使滤波后人脸图像中细节丢失，滤波后的图像虽然去除了噪声，但使得边缘模糊，对于要求较高的人脸图像处理来说这是难以接受的。所以，各种去噪方法的研究实际是在去噪和保留高频信息之间进行的权衡。

对于上述问题，有人提出应用双边滤波。它不仅采取传统滤波方法的策略，考虑了空间位置信息，还加入了值域相似度的影响，因此，在图像变化平缓的区域，邻域内像素亮度值相差不大，双边滤波转化为高斯低通滤波器；在图像变化剧烈的区域，滤波器利用边缘点附近亮度值相近的像素点的亮度值平均替代原亮度值。因此，双边滤波不仅可以消除图像噪声而且保留了图像边缘信息。双边滤波虽然有上述优点，但是它存在效率低下，滤波效果不佳的缺点。考虑到双边滤波效率低下的问题，目前人脸滤波中比较常见的还有应用引导滤波算法。引导滤波可以构建出与滤波半径无关的滤波模版，大幅度提高滤波速率，但是其又存在着边缘保持效果不佳的问题。

发明内容

本发明的目的在于提供一种基于边缘保持滤波器的人脸图像滤波方法，以克服上述现有技术存在的缺陷，本发明既满足了人脸图像对滤波质量较高的要求，又有效地保持了图像中的边缘等细节信息，同时算法的计算复杂度较低，实用性较强，具有极高的应用价值。

为达到上述目的，本发明采用如下技术方案：

一种基于边缘保持滤波器的人脸图像滤波方法，包括以下步骤：

步骤1：获取待处理的人脸图像；

步骤2：将步骤1得到的人脸图像进行压缩；

步骤3：将步骤2得到的压缩人脸图像从RGB颜色空间转换到Lab颜色空间；

步骤4：将步骤3处理后的人脸图像进行滤波处理；

步骤5：将步骤4中所得的滤波后的人脸图像转换到RGB颜色空间；

步骤6：将步骤5中得到图像进行放大，输出最终人脸图像。

进一步地，步骤2采用了双线性插值的方法对步骤1得到的人脸图像进行压缩，其中压缩倍率为原图的1/N。

进一步地，步骤3中将步骤2得到的压缩人脸图像从RGB颜色空间转换到Lab颜色空间，即压缩人脸图像由R、G、B颜色分量转变为L、a、b三个分量，其中L表示图像的亮度，a表示从红色到绿色的范围，b表示从黄色到蓝色的范围。

进一步地，步骤4采用边缘保持滤波器对步骤3处理后的人脸图像进行滤波处理，边缘保持滤波器公式表述为：

其中，I_i为特征图像中的某一像素点，且特征图像为步骤3处理后的人脸图像转换得到的灰度图像，q_i为滤波器输出图像中相应的像素点，a_k和b_k为滤波窗口w_k中的一组线性系数，k为滤波半径。

进一步地，提出新的线性系数a_k的计算公式为：

其中，ε为调整系数，p_i为步骤3处理后的人脸图像中的某一像素点，G_x(p_i)和G_y(p_i)分别为p_i在水平和竖直方向上与临近像素点的亮度差值，Grad_k(p_i)为p_i对应的梯度值。

进一步地，调整系数ε为0.5。

进一步地，线性系数b_k的计算公式为：

其中，

为步骤3处理后的人脸图像在滤波窗口w_k内像素点的均值，

为特征图像在滤波框w_k内像素点的均值。

进一步地，

和

均采用包滤波器计算得到。

进一步地，滤波窗口w_k的大小为5×5。

进一步地，步骤6中采用双线性插值法将步骤5中得到图像进行放大，放大倍率为N倍。

与现有技术相比，本发明具有以下有益的技术效果：

本发明方法既满足了人脸图像对滤波质量较高的要求，又有效地保持了图像中的边缘等细节信息，同时算法的计算复杂度较低，实用性较强，具有极高的应用价值。

进一步地，本发明采用新的边缘保持滤波器，采用待滤波人脸图像的灰度图作为特征图像，与待滤波人脸图像一并作为输入，新构造的滤波器在滤波前采用双线性插值法对图像进行压缩，减少了图像中的冗余信息。

进一步地，系数a_k、b_k计算时能够使用包滤波器(box-filter)，能够构建滤波复杂度与滤波半径无关滤波器，极大提高了算法的计算效率。

进一步地，本发明中系数a_k的计算结合了待滤波图像和特征图像中梯度信息，对图像中的边缘细节更加敏感。与传统的双边滤波算法相比，新的边缘保持滤波方法算法复杂度较低，计算效率更高，滤波和边缘保持效果更好。

附图说明

图1是本发明的流程示意图；

图2(a)、图3(a)、图4(a)和图5(a)均为原始人脸图像；

图2(b)、图3(b)、图4(b)和图5(b)均为采用双边滤波后的人脸图像；

图2(c)、图3(c)、图4(c)和图5(c)均为采用本发明算法滤波后的人脸图像；

图6(a)、图7(a)、图8(a)和图9(a)分别为图2(a)、图3(a)、图4(a)和图5(a)的局部图；

图6(b)、图7(b)、图8(b)和图9(b)分别为图2(b)、图3(b)、图4(b)和图5(b)的局部图；

图6(c)、图7(c)、图8(c)和图9(c)分别为图2(c)、图3(c)、图4(c)和图5(c)的局部图；

图10为图2(a)在第300行像素点灰度值的变化图；

图11为图2(b)在第300行像素点灰度值的变化图；

图12为图2(c)在第300行像素点灰度值的变化图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

参见图1，本发明提供了一种基于新的边缘保持滤波器的人脸滤波方法。

步骤1、获取人脸图像：利用图像采集设备，获取要滤波处理的人脸图像q。

步骤2、计算步骤1中获取的人脸图像q的尺寸m×n，按照双线性插值法，取原始图像临近的四个像素点的值加权平均得到压缩后的图像，即压缩后图像的大小为原图大小的1/4。

步骤3、将步骤2中压缩后的人脸图像转换到Lab颜色空间，图像由R、G、B颜色分量转变为L、a、b三个分量。

步骤4、根据新构建的边缘保持滤波器，按照公式

对人脸图像进行滤波处理。取待滤波人脸图像的灰度图作为特征图像，I_i为其中的某一像素点，q_i为滤波后输出的像素点，滤波框w_k大小为5。公式中滤波系数a_k和b_k计算方法为：

取ε为0.5，通过计算待滤波人脸图像中某一点像素点p_i在水平和竖直方向上与临近像素点的差值G_x(p_i)和G_y(p_i)得到点p_i梯度Grad_k(p_i)，一并作为系数a_k计算公式的输入。

为待滤波人脸图像在滤波框w_k内像素点的均值，

为特征图像在滤波框w_k内像素点的均值，k为滤波半径，且k＝16。

步骤5、将滤波后的Lab颜色空间的图像转换到RGB颜色空间。

步骤6、根据双线性插值法，对步骤5中得到的图像放大4倍后输出。

图2(a)、图2(b)和图2(c)，图3(a)、图3(b)和图3(c)，图4(a)、图4(b)和图4(c)以及图5(a)、图5(b)和图5(c)分别采用采用四组图像，用双边滤波器作为对照组与本发明中提出的新的边缘保持滤波器的滤波效果进行对比。从实验结果可以看到与原图和双边滤波后的图像相比，本发明方法在较好的滤除了人脸图像中的斑点等噪声后，较好的保持了图像的边缘细节信息，人物面部轮廓比较清晰。

图6(a)、图6(b)和图6(c)，图7(a)、图7(b)和图7(c)，图8(a)、图8(b)和图8(c)以及图9(a)、图9(b)和图9(c)不同算法滤波前后的局部放大图，从中可以直观地看到处理效果。图6(a)、图7(a)、图8(a)和图9(a)为待滤波的人脸图像，可见图中人物脸部带有大量斑点噪声，分析双边滤波的效果可以发现，经双边滤波后的图6(b)和图9(b)中人物脸部仍有斑点残留，图7(b)和图8(b)中人物头发、眼部比较模糊。对比应用本发明提出的滤波算法可以看出，四组图片经本发明滤波后人脸图像中的斑点噪声基本去除，图像中边缘等细节保持较好，整体滤波效果有较大提升。

分析图10、图11和图12可以看出，滤波前图像中含有较多噪声，双边滤波能够去除部分噪声，但噪声去除还不够彻底，在灰度变换剧烈的区域的边缘保持效果不够好，本发明提出滤波算法，能够滤除绝大多数噪声，同时尽可能的保留图像中的边缘细节信息，可以看出在图中灰度呈直线上升即灰度变化剧烈的区域的特征，滤波后仍然保留。

表1不同算法对不同尺寸的图像处理用时的对比表

从表1可以看出，本发明提出的算法耗时大大缩短，极大的提高了算法的实用性。因而，本发明提出的基于新的边缘保持滤波器的人脸图像滤波算法优于已有的滤波算法，对进一步处理以及准确获取人脸图像中的特征信息有着重要的意义。

Claims (1)

1.一种基于边缘保持滤波器的人脸图像滤波方法，其特征在于，包括以下步骤：

步骤1：获取待处理的人脸图像；

步骤2：采用双线性插值的方法对步骤1得到的人脸图像进行压缩，其中压缩倍率为原图的1/N，N为正整数；

步骤3：将步骤2得到的压缩人脸图像从RGB颜色空间转换到Lab颜色空间，即压缩人脸图像由R、G、B颜色分量转变为L、a、b三个分量，其中L表示图像的亮度，a表示从红色到绿色的范围，b表示从黄色到蓝色的范围；

步骤4：将步骤3处理后的人脸图像进行滤波处理；具体采用边缘保持滤波器对步骤3处理后的人脸图像进行滤波处理，边缘保持滤波器公式表述为：

其中，I_i为特征图像中的某一像素点，且特征图像为步骤3处理后的人脸图像转换得到的灰度图像，q_i为滤波器输出图像中相应的像素点，a_k和b_k为滤波窗口w_k中的一组线性系数，k为滤波半径，滤波窗口w_k的大小为5×5；

线性系数a_k的计算公式为：

其中，ε为调整系数，取值为0.5，p_i为步骤3处理后的人脸图像中的某一像素点，G_x(p_i)和G_y(p_i)分别为p_i在水平和竖直方向上与临近像素点的亮度差值，Grad_k(p_i)为p_i对应的梯度值；

线性系数b_k的计算公式为：

其中，

为步骤3处理后的人脸图像在滤波窗口w_k内像素点的均值，

为特征图像在滤波框w_k内像素点的均值，

和

均采用包滤波器计算得到；

步骤5：将步骤4中所得的滤波后的人脸图像转换到RGB颜色空间；

步骤6：采用双线性插值法将步骤5中得到图像进行放大，放大倍率为N倍，输出最终人脸图像。

Images